这是什么
给它一个 GitHub issue，它尝试自动修复。它真正的贡献不是一个产品而是一个概念——Agent-Computer Interface（ACI），主张模型做不好软件工程，部分原因是给它的工具是为人设计的。团队围绕模型重新设计了命令和反馈格式，报告在 SWE-bench 上解决了 12.29% 的 issue，是当时的最优结果。
谁做的SWE-agent 出自普林斯顿大学的一个研究组，而不是一个产品团队：NeurIPS 2024 论文列了七位作者——John Yang、Carlos E. Jimenez、Alexander Wettig、Kilian Lieret、Shunyu Yao、Karthik R. Narasimhan、Ofir Press，仓库的第一次提交由 Jimenez 完成。七人中有六人同时是 SWE-bench 的作者，本档案里 12.29% 这个数字就是在那一套基准上测出来的，基准由同一个组在 2023 年 10 月发表（arXiv:2310.06770）。仓库此后累计 101 位贡献者；这个组的后续项目 EnIGMA 把这套界面思路搬到 CTF 安全题目上，合作方是特拉维夫大学与纽约大学的研究者。
制作过程
3 个阶段- 01
把问题重新定义成界面问题
研究问题不是「哪个模型最强」，而是「模型该看到什么」。团队设计了专门的命令和输出格式，让语言模型能浏览仓库、查看、编辑、执行代码，而不必去啃那些为人眼设计的终端输出。他们把这套东西命名为 Agent-Computer Interface。
- 02
一个有日期的数字
在 SWE-bench 测试集上解决 12.29% 的 issue，2024 年 4 月的最优结果。写这份档案时这个数字已经过去了两年，引用时必须带上日期——一个没有日期的基准分数会被读成当下的水平。
- 03
研究者自己推荐了后继项目
SWE-agent 的文档顶部挂着一条横幅，推荐改用 mini-swe-agent，称其「性能相同，但简单和灵活得多」。原项目仍在维护，但写它的人建议新用户去别处——这值得如实写出来，而不是简单标成「活跃」。
他会告诉你什么
- 进展停滞时，模型与工作之间的界面是一个正当的着手点，不只是模型本身。
- 基准成绩是一种带保质期的声明，发布时就应该带上日期。
- 一个会推荐自己替代品的研究项目是在尽职，不是失败。